🧭 4 dimensões (framework Capably)
Sem framework, você mede o que é fácil — presença, NPS, "gostei". Com framework, mede o que move o ponteiro. O modelo da Capably + Google Cloud organiza adoção de IA em quatro dimensões complementares. Cada uma captura um aspecto que as outras não veem.
📐 As 4 dimensões
1. Engagement
DAU/WAU, frequência semanal por departamento, retenção 30 dias. "Está usando?"
2. Behavioral
% de workflows com IA, tempo economizado por tarefa, redução de turnaround. "O trabalho mudou?"
3. Capability
Casos de uso novos identificados, PRs/docs com assistência, conclusão de materiais adicionais. "Está crescendo?"
4. Governance
Adesão à política aprovada, incidentes de uso inadequado, dados sensíveis vazados. "Está seguro?"
✓ O que medir
- Pelo menos 1 métrica por dimensão
- Baseline antes do workshop
- Pontos de medição: D+0, D+7, D+30
- Reportar ao patrocinador em 1 página
✗ O que NÃO medir como sucesso
- Presença (sala cheia ≠ aprendizado)
- Satisfação sem delta de confiança
- Número de licenças ativas (≠ uso real)
- NPS sozinho (sem comportamento)
📚 Fontes
- • Capably — AI Adoption Metrics: The New KPI for Enterprise Maturity
- • Google Cloud — KPIs for gen AI — Measuring your AI success
- • Zapier — How to measure AI adoption
📋 Pesquisa pós-sessão (3 perguntas, NPS)
Pesquisa de fechamento longa tem taxa de resposta caindo. Três perguntas tem 80–90% de respostas; cinco perguntas já cai pra 60%. Aplique antes do Q&A — após o debate, respostas ficam contaminadas pelo último comentário que ouviram.
📝 Survey de fechamento (template)
1. Numa escala de 1–5, quão confortável você se sente
usando IA no seu trabalho HOJE?
(mesma pergunta do survey de abertura — comparar delta)
○ 1 — desconfortável
○ 2
○ 3
○ 4
○ 5 — totalmente confortável
2. Numa escala de 0–10, você recomendaria este workshop
a um colega?
(NPS clássico)
3. Qual é o seu próximo passo concreto?
(campo aberto curto — vira o 1-2-3 escrito)
___________________________________________📈 Métrica-chave: delta de confiança
Meta: aumento de ≥ 1 ponto médio na escala 1–5 entre survey de abertura e fechamento.
- +0.5 pt: workshop teve impacto mínimo. Investigar formato.
- +1.0 pt: meta atingida. Workshop bom.
- +1.5 pt: excelente. Replicar formato em outras turmas.
- +2.0 pt: raro; pode indicar baseline excessivamente baixo (sala desinformada na largada).
💡 Dica prática
Survey de abertura é obrigatório. Sem ele, delta vira imaginação. Pergunta única ("escala 1–5, quão confortável com IA hoje?") em Google Form ou Zoom Poll. 5 min no início, 5 min no fim. ROI máximo.
📈 Adoção em 7 e 30 dias
NPS do dia mede sentimento. Adoção em D+7 e D+30 mede comportamento — e comportamento é o único sinal que importa. Workshop com NPS 9 e adoção 0 em 30 dias foi entretenimento. Workshop com NPS 7 e adoção 50% em 30 dias foi transformação.
Sete dias depois
% de participantes que usaram Claude ≥ 1x desde o workshop
Indicador de tentativa. Meta: > 60%. Abaixo de 40%, problema sério de ativação — repensar formato ou plano de acompanhamento.
Trinta dias depois
% ainda usando semanalmente (WAU). Tempo economizado autodeclarado
Indicador de hábito. Meta: > 30% mantendo uso semanal. Esse é o ponto de inflexão entre "experimentou" e "incorporou".
Noventa dias depois (opcional)
Casos de uso novos identificados pela equipe sozinha
Sinal de autonomia. Se 3+ casos novos surgem sem nova intervenção do consultor, time atingiu independência.
📊 Atlassian: o dado contraintuitivo
Atlassian documentou que um único gerente fazendo demo curta de IA para sua equipe quase dobrou a adoção de IA no grupo. A métrica foi AI feature usage rate antes e depois da demo do gerente. Sugere que workshops formais não são o único vetor — e que medir adoção agregada captura o efeito real.
🛠️ Métricas hard raras (PRs, docs)
Quando o cliente tem instrumentação, oferecer mensuração hard é diferencial enorme — vira case publicável e prova de ROI. Quando não tem, autodeclarado via survey é o realista. A maioria das empresas está no segundo grupo.
📐 Métricas hard (raras)
- • PRs com co-authoring de IA (Git stats)
- • Docs gerados/revisados com IA (CMS logs)
- • Tempo médio de turnaround de tickets
- • Volume de prompts via API corporativa
- • Spend Anthropic/OpenAI por usuário
📋 Métricas soft (comuns)
- • "Quantas horas/semana economizou?" (autodeclarado)
- • "Quantas tarefas usou IA nesta semana?"
- • Survey de delta de confiança
- • NPS
- • Casos de uso citados em retrospectiva
🔧 Como pedir instrumentação
Conversa com TI (antes do workshop):
"Vocês conseguem extrair:
- Volume de PRs/commits com 'Co-Authored-By: Claude'
no histórico Git dos últimos 30 dias?
- Spend mensal nas APIs Anthropic/OpenAI por team?
- Logs de uso do claude.ai SSO se houver?"
Se SIM → métrica hard.
Se NÃO → fica com autodeclarado, sem drama.💡 Dica prática
Não prometa métricas hard que dependem de TI sem confirmar antes que TI vai entregar. Pedido que não vira número derruba a credibilidade do relatório final. Confirme acesso antes de incluir no proposal.
⏱️ "Contrato de 48h" como proxy
Quando não há telemetria nem orçamento pra survey D+30, a métrica mais barata e mais honesta é a taxa de resposta ao e-mail D+2 — o "conseguiu fazer?". Custo zero, sinal forte. Discutido em detalhe na 5.1; aqui ele aparece como proxy formal de adoção.
📊 Interpretação da taxa de resposta
- < 30%: workshop foi awareness, não comportamento. Repensar.
- 30–60%: tração média. Ajustes táticos podem subir.
- > 60%: workshop forte; quem responde está fazendo.
- > 80%: excepcional. Documentar formato pra replicar.
💌 Por que funciona como proxy
- Quem fez tem orgulho de contar — responde com história
- Quem não fez sente fricção em ignorar (efeito do compromisso assinado em 5.1)
- Quem travou usa o canal pra pedir ajuda — vira lead pro retainer
- Quem desligou de vez não responde — você sabe quem perdeu
📑 Reportar pro patrocinador
O relatório final é o vetor de continuidade. Uma página, números curtos, recomendação explícita. Patrocinador que recebe relatório de 1 página lê. Patrocinador que recebe 30 slides arquiva. A diferença entre próximo contrato e silêncio é a forma do relatório.
📄 One-pager template
RELATÓRIO — Workshop [Nome] · [Data]
─────────────────────────────────────────
PARTICIPANTES: 45 | TAXA DE PRESENÇA: 89%
DELTA DE CONFIANÇA (1–5):
Antes: 2.4 → Depois: 3.7 (+1.3) ✓ meta
NPS: 64
ADOÇÃO D+2 (resposta ao "conseguiu?"):
68% responderam que SIM tentaram
12% responderam que TRAVARAM (suporte 1:1 ativado)
20% não responderam
TOP 3 CASOS DE USO CITADOS:
1. Rascunho de e-mails complexos (n=22)
2. Resumo de reuniões longas (n=18)
3. Revisão/melhoria de documentos (n=15)
RECOMENDAÇÃO:
→ Workshop intermediário com foco em Projects
e workflows reais. Estimativa: ROI ~$15k/mês
pela própria autodeclaração da turma.
Próximo passo: chamada de 30 min em D+30.
ANEXOS: prompts da sessão, gravação, FAQ das dúvidas
coletadas no 1-2-3.✓ Relatório que vira próximo contrato
- 1 página, gráficos simples
- Delta numérico antes/depois
- Top 3 casos de uso identificados
- Recomendação explícita de próximo passo
- Pedido de 30 min em D+30 já agendado
✗ Relatório que vai pra pasta
- 30 slides, gráficos 3D
- "Workshop foi um sucesso" sem números
- Lista de tópicos cobertos (já sabem)
- Sem recomendação específica
- Sem próximo agendamento
💡 Dica prática
Mande o one-pager em até D+5. Quanto mais demora, menos a memória do workshop sustenta o relatório. Em D+10 já está frio. Envie em PDF + link permanente — patrocinador costuma encaminhar pra outros decisores, e link funciona melhor que anexo de 5 MB.
📋 Resumo do Módulo
Próximo Módulo:
5.5 — 📨 Templates de follow-up (D+0, D+2, D+7, D+30, grupo, material persistente)